数据可视化之美-excel直方图

偶然在图灵论坛看到一篇关于数据可视化的博文，写得挺好，特分享给大家。

原文信息为：

原文Data Visualization: Modern Approaches

作者 Cameron Chapman 译者：西乔

前言：数据可视化是怎样创造出来的

在网上看到一篇关于数据可视化的文章，很大的视觉冲击，数据可视化是那么的妙不可言，因为图片非常多，所以花了些时间，希望对大家有所帮助。摘录下来，供大家鉴赏。

我多次被炫目的数据可视化或信息可视化震惊，在我知道这些图片背后的数据来源和创造历程后，更是为之诧异不止。它涉足制图学、图形绘制设计、计算机 视觉、数据采集、统计学、图解技术、数型结合以及动画、立体渲染、用户交互等。相关领域有影像学、视知觉。空间分析、科学建模等。
这是创造性设计美学和严谨的工程科学的卓越产物。用极美丽的形式呈现可能非常沉闷繁冗的数据，其表现和创作过程完全可以称之为艺术。所以我翻译了来 自SM上的3篇数据可视化和信息图形的文章，主要是鉴赏并提供一些参考资料。我尽量查找了每张数据图表背后的背景，添加了标注和说明，希望那个帮助读者更 深入地理解这些图表所呈现的含义，而不仅仅是停留于对“好看”的赞叹上。这些图片不会说话，但它们比文字和语言都更为有力。

数据可视化 Data Visualization 和信息可视化 Infographics 是两个相近的专业领域名词。狭义上的数字可视化指的是讲数据用统计图表方式呈现，而信息图形（信息可视化）则是将非数字的信息进行可视化。前者用于传递信息，后者用于表现抽象或复杂的概念、技术和信息。

而广义上的数据可视化则是数据可视化、信息可视化以及科学可视化等等多个领域的统称。

数据可视化起源于1960s计算机图形学，人们使用计算机创建图形图表，可视化提取出来的数据，将数据的各种属性和变量呈现出来。随着计算机硬件的 发展，人们创建更复杂规模更大的数字模型，发展了数据采集设备和数据保存设备。同理也需要更高级的计算机图形学技术及方法来创建这些规模庞大的数据集。随 着数据可视化平台的拓展，应用领域的增加，表现形式的不断变化，以及增加了诸如实时动态效果、用户交互使用等，数据可视化像所有新兴概念一样边界不断扩 大。

而我们熟悉的那些饼图、直方图、散点图、柱状图等，是最原始的统计图表，它们是数据可视化的最基础和常见应用。作为一种统计学工具，用于创建一条快速认识数据集的捷径，并成为一种令人信服的沟通手段。传达存在于数据中的基本信息。所以我们可以在大量PPT、报表、方案以及新闻见到统计图形。

但最原始统计图表只能呈现基本的信息，发现数据之中的结构，可视化定量的数据结果。

面对复杂或大规模异型数据集，比如商业分析、财务报表、人口状况分布、媒体效果反馈、用户行为数据等，数据可视化面临处理的状况会复杂得多。

可能要经历包括数据采集、 数据分析、数据治理、数据管理、数据挖掘在内的一系列复杂数据处理，然后由设计师设计一种表现形式，是立体的、二维的、动态的、实时的还是允许交互的。然 后由工程师创建对应的可视化算法及技术实现手段。包括建模方法、处理大规模数据的体系架构、交互技术、放大缩小方法等。动画工程师考虑表面材质、动画渲染 方法等，交互设计师也会介入进行用户交互行为模式的设计。

所以一个数据可视化作品或项目的创建，需要多领域专业人士的协同工作才能取得成功。人类能够操纵和解释如此来源多样、错综复杂跨领域的信息，其本身就是一门艺术。

数据可视化在发展过程中，科学和工程领域的应用衍生出了分支：科学可视化——“利用计算机图形学来创建视觉图像，帮助人们理解科学技术概念或结果的那些错综复杂而又往往规模庞大的数字表现形式”。

在计算机诞生之前，科学的可视化行为就存在。如等高线图、磁力线图、天像图等等。利用计算机的强大运算能力，人类可以使用三维或四维的方式表现液体流型、分子动力学的复杂科学模型。

比如利用经验数据，科学可视化在天体物理学（模拟宇宙爆炸等）、地理学（模拟温室效应）、气象学（龙卷风或大气平流）模拟人类肉眼无法观察或记录的 自然现象；利用医学数据（核磁共振或CT）研究和诊断人体；或者在建筑领域、城市规划领域或高端工业产品的研发过程中发挥重大重用。比如汽车的研发过程 中，需要输入大量结构和材料数据，模拟汽车在受到撞击时如何变形。在城市道路规划的设计过程中，需要模拟交通流量。

虽然科学可视化的表现形式对于普通人比较陌生，像粒子系统、散点图、热力图等图表不接受专业训练很难看懂。但实际上科学可视化的成果已经渗透到我们生活的每个角落。

90年代初期，信息可视化领域进入人们的视野。用于解决对异质性数据中“抽象”的部分的分析。帮助人们理解和观察抽象概念，放大了人类的认知能力。

科学可视化和信息可视化的差别比较微妙，因为科学可视化的大部分处理对象都是抽象的概念。在手段和技术上也有大量共同之处。所以边界比较模糊。

在国外，许多大型企业、科研机构都会有相关部门进行数据可视化研究，如数字图书馆。媒体和政府机构也会对自己掌握的数据进行可视化分析，如犯罪地 图。在互联网上，那些掌握了大量用户活动信息、用户关系网或语料库的网站，比如digg，friendfeed，flickr或大型电子商务网站等，都有 实验性的可视化项目。可惜在中国在这方面的商用或实验项目还是比较空白的。

数据可视化的开发和大部分项目开发一样，也是根据需求来根据数据维度或属性进行筛选，根据目的和用户群选用表现方式。同一份数据可以可视化成多种看起来截然不同的形式。

有的可视化目标是为了观测、跟踪数据，所以就要强调实时性、变化、运算能力，可能就会生成一份不停变化、可读性强的图表。

有的为了分析数据，所以要强调数据的呈现度、可能会生成一份可以检索、交互式的图表

有的为了发现数据之间的潜在关联，可能会生成分布式的多维的图表。

有的为了帮助普通用户或商业用户快速理解数据的含义或变化，会利用漂亮的颜色、动画创建生动、明了，具有吸引力的图表。

还有的图表可以被用于教育、宣传或政治，被制作成海报、课件，出现在街头、广告手持、杂志和集会上。这类图表拥有强大的说服力，使用强烈的对比、 置换等手段，可以创造出极具冲击力自指人心的图像。在国外许多媒体会根据新闻主题或数据，雇用设计师来创建可视化图表对新闻主题进行辅助。

说了那么多，大家都可以感受到数据可视化所应用价值，其多样性和表现力吸引了许多从业者，而其创作过程中的每一环节都有强大的专业背景支持。无论是动态还是静态的可视化图形，都为我们搭建了新的桥梁，让我们能洞察世界的究竟、发现形形色色的关系，感受每时每刻围绕在我们身边的信息变化，还能让我们理 解其他形式下不易发掘的事物。
我通过翻译这系列的文章，为数据可视化的创造力所折服，也为其所能诞生和发展的背景环境所感叹。希望国内能有更多的跨领域人才的教育背景，能有发展实验性项目的环境，设计师们能拥有更多的创造力和专业素养，永远保持好奇心和敏感。

注：前言部分为译者西乔所写

正文：Data Visualization: Modern Approaches

数据的表现形式可以是美丽、优雅和描述性的。有多种传统的数据表现形式 在每个项目及可能的场合被频繁地使用：如表格、饼图、柱状图等。但为了更有效地向你的读者传达信息，有时你需要绝不仅仅是一张饼图。有更好的、深刻的、富 于创造性以及富有趣味的方法来可视化数据。它们中的许多将在未来数年内变得应用普遍。

我们期待的是什么？有哪些革新性的想法已经在成熟使用？还有哪些创意地表现数据的方式是我们从未想过的？

让我们看看一些有趣和现代的数据可视化方法：

Trendmap 2007 （趋势地图 2007）

Informationarchitects.jp 依据分类、相似性、成功度、知名度和前景，为当年互联网上最成功的200个网站制作了一张趋势地图。这些网站以前显然从未以这种方式建立过联系。相当详尽。

译注：（这是一个著名的数据可视化创意，作者通过改造东京地铁地图，将站点设计成地铁站，每种网站应用类型是一条地铁线。比如粉红色代表分享类网站，紫红色代表工具类，大红色代表技术网站，柠檬黄色代表知识类网站……

当然如果你对东京的城市地理状况有所了解，看这张地图时会露出更多会心的微笑。设计师在图中安排了大量暗喻和巧合，比如google从涩谷移到了新宿的位置，而Youtube已经控制了涩谷地区。涩谷在通常理解中，代表年轻人出没的喧嚷的地方。而新宿代表黑社 会控制，很酷的地方。微软移到了池袋，雅虎移到了上野，维基百科在新桥（一个遍布头脑清醒上班族的地方）。日本的网站主要集中在金融路线附近，北部的站点 线（山口线）上的项目多数比较“无聊”。等等）

. Displaying News 新闻展示

Newsmap（新闻地图）是google新闻聚合器上实时的新闻反馈的可视化呈现。数据块的大小对应了新闻受欢迎的程度。

译注：（Newsmap反映的是google新闻聚合器实时更新的新闻。这种数据可视图基于treemap树状图的算法，适合表现大量信息的聚合。用颜色、颜色深度、标题字号、区块面积来展现归并后的信息。打破空间限制，帮助用户快速识别、分类和认知新闻信息、平面而直观地展现不断变化的信息片段。）

Amaztype 图书搜索：

根据从亚马逊上采集的数据，将图书的搜索结果根据你所提供的关键字的字母形状进行排列。可以点击单本书查看详细信息。

Time Magazine（时代周刊）

使用峰值形状的分布来强调地图上美国人口的稠密程度。

CrazyEgg

使用热图来让您研究您的访客的新闻，通常被点击更多，更受欢迎的区域，使用的更“温暖”的红色来高亮显示。

译注:（CrazyEgg允许注册用户通过提交页面url，显示页面的热点图、获取每个元素的详情、查看原始数据的完整摘要信息。热图是用户行为分析的常见方法，这是一个著名的UE研究分析工具，给UE分析师提供观察用户行为，做出设计改进意见的数据基础。）

三视图展示了地球的3个视点： 每个国家使用一个圆形代表，用圆圈的大小来代表军费开支额度，颜色的深度来代表占财政收入的比例，数据的演示非常紧凑和美观。

We Feel Fine（我们感觉很好）根据来自大量blog的统计结果，表现了人类的感情。

译注:（这是一个惊人的项目。。从2005年8月，该项目组从大量页面上记录人类的感情。每个几分钟，系统就会搜索世界上新近发布的blog里包 含“我觉得”或“我的感觉”这类短语的文章，记录包含这些短语的句子，并计算出里面c所包含的情绪，是悲伤、快乐、沮丧。这些信息和作者的社会结构、年 龄、性别、地理位置以及当时当地的天气一起被保留下来。

这个包含了数百万人感情的数据库，每天新增15000~2000条记录，并提供了一系列有趣的接口用于查询和做数据挖掘。

上图中的粒子系统是通过接口生成的可视化形式之一，抽取了1500条数据，每条数据是一个粒子，代表每个人的一种情绪。颜色对应情绪类型，比如幸福是亮黄色，悲伤是深蓝色，愤怒是红色，平静的感情是浅绿色。每个粒子的大小和表达情绪的语句的长度关联。）

Elastic Lists （滑动菜单）使用滑动菜单（也叫手风琴菜单）的原理来展现多维的数据结构。每组菜单代表一种数据维度，每个菜单项代表一种属性。你可以通过点选多个菜单项，浏览数据在不同维度不同属性上的组合。每个菜单项的高度和宽度和该属性内数据总量的相对比例有关联。作者的blog 会更新一些关于数据可视化领域的实验性研究的文章，值得观赏，很有收藏价值。

译注:（这个项目对于实现多维交叉的数据的平面化展现，是一个很好的范例。每个菜单实际上充当了一个过滤器，把他们想象成一组多选菜单就好了。但是形式比乏味的多选框要迷人多了。）

What have I been listening to?:（究竟我在听什么？）

拜伦.李通过创建直方图描述了他的音乐之旅。 译注:（每种颜色代表一个歌手，拜伦.李搜集了他在last.fm上18个月来的听歌记录。创作者选用这种可视化形式原因是它的失真最少，能生成高雅的非对称曲线。这种的图表形式被称为Stream Graph流图。）

Independent: Infographic （独立：信息图形）

中东：谁支持立即停火？ 下列这张图表在2007七月的中东危机问题时期发表于“独立”杂志头版。

DIZZIA, Gregory M.

这张图表里描述了Gregory Dizzia所泡过的所有MM及其关系。时间轴持续23年。

译注：（有兴趣的同学可以下载这张图看一下.pdf。作者真的很猛。垂直的是时间轴，每一列代表一个MM，长度代表交往时间。每个图表表示事件或 特性。绿色图标代表认识的途径：聚会、网络等。蓝色图标MM吸引他的地方：身材、头脑等。黄色图表代表关系深入度：kiss或者XXOO。橙色代表重大事 件：订婚、心碎、来路不明的孩子……。红色代表分手的导火线。每一列底部的蓝色从浅到深代表了关系亲密程度。）

Virtual Water虚拟水

简洁、优雅、有效。这份双面印刷海报表现了产品和国家中水的使用足迹。

译注：（点击图片可以查看这项环保海报的更多信息，设计非常专业。海报有两面，一面是重要国家地区中虚拟水的进出口统计，另一面是一些商品和食品在生产链各个步骤中使用的淡水量总和的统计。）

女性的力量。

女性在世界人口中的50%，政治领袖中女性却只占5%。

冷酷的时间

自从美国在1976年恢复死刑，有118名死囚被证明无罪。 这118人共被监禁1125年。

Who Participates and what people are doing online（人们在互联网上做什么）

一个比较别出心裁的表现形式会赋予图表独特性和吸引力。。

译注：各个年龄段和性别的人在不同类型的在线应用上花费的时间

A year in Iraq（在伊拉克的一年)

一份不同寻常的数据图表，展现了2592起记录在案的致死原因的类型和分布地点。

George W. Bush Speech Infographics (乔治.布什的演讲）

一种交互式的信息图形，比较了不同演讲中某些词汇出现的频率。这种设计方式能提供读者用更多方式去评估和理解特定的词汇或数据元。很简单，但直观明了。

译注：黑体字是特定词汇。蓝色圆圈的体积和里面的数字代表该词的出现频率。

数据可视化及信息可视化可以让复杂的数据集变得明了易懂。通过将数据和统计结果图形化，复杂的概念和信息可以在更短时间内呈现更多含义。

大部分数据可视化处理的对象是具体的数据或统计结果。另一些则致力于表现无形的话题，为抽象概念提供可视化的展现。一般来说，前者的表现形式多为图示或图表，而后者则往往更富创造与想象力。

许多可视化与信息可视化应用得很拙劣：有些不恰当地放置了过多繁冗信息（或不足的信息）、有些使用了不规范的格式、还有一些其他的常见错误。